Головна Головна -> Реферати українською -> Дисертації та автореферати -> МОДЕЛІ ТА МЕТОДИ РОЗПІЗНАВАННЯ КЛАСІВ БАГАТОПАРАМЕТРИЧНИХ ОБ’ЄКТІВ НА ОСНОВІ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ

МОДЕЛІ ТА МЕТОДИ РОЗПІЗНАВАННЯ КЛАСІВ БАГАТОПАРАМЕТРИЧНИХ ОБ’ЄКТІВ НА ОСНОВІ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ

Назва:
МОДЕЛІ ТА МЕТОДИ РОЗПІЗНАВАННЯ КЛАСІВ БАГАТОПАРАМЕТРИЧНИХ ОБ’ЄКТІВ НА ОСНОВІ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ
Тип:
Реферат
Мова:
Українська
Розмiр:
13,47 KB
Завантажень:
407
Оцінка:
 
поточна оцінка 5.0


Скачати цю роботу безкоштовно
Пролистати роботу: 1  2  3  4  5  6  7  8  9 
Державний комітет зв’язку та інформатизації України
Національна академія наук України
Державний науково-дослідний інститут інформаційної інфраструктури
ХАЙМУДІ ЕЛЬ КХАТІР
УДК 681.142.37
МОДЕЛІ ТА МЕТОДИ РОЗПІЗНАВАННЯ
КЛАСІВ БАГАТОПАРАМЕТРИЧНИХ ОБ’ЄКТІВ
НА ОСНОВІ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ
05.13.23 - Системи та засоби штучного інтелекту
АВТОРЕФЕРАТ
дисертації на здобуття наукового ступеня
кандидата технічних наук
Львів – 2004


Дисертацією є рукопис.
Робота виконана у Національному університеті “Львівська політехніка” Міністерства освіти і науки України.
Науковий керівник:
доктор технічних наук, професор
Ткаченко Роман Олексійович,
Національний університет “Львівська політехніка”,
професор кафедри автоматизованих систем управління
Офіційні опоненти:
доктор технічних наук, професор
Воробель Роман Антонович,
Фізико-механічний інститут ім. Г.В. Карпенка НАН України, керівник відділу
кандидат технічних наук, старший науковий співробітник
Якушев Володимир Семенович,
Національний університет “Львівська політехніка”,
доцент кафедри інформаційних систем та мереж
Провідна установа:
Інститут проблем математичних машин та систем НАН України, м. Київ, відділ нейротехнологій
Захист відбудеться “ 09 ” червня 2004 р. о 14 годині на засіданні спеціалізованої вченої ради Д 35.813.01 при Державному науково-дослідному інституті інформаційної інфраструктури за адресою: 79601, м. Львів, вул. Тролейбусна, 11.
З дисертацією можна ознайомитися у бібліотеці Державного науково-дослідного інституту інформаційної інфраструктури за адресою: 79601, м. Львів, вул. Тролейбусна, 11.
Автореферат розісланий “08” травня 2004 р.
Вчений секретар
спеціалізованої вченої ради,
доктор технічних наук Бунь Р.А.


ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ
Актуальність роботи. Інтелектуальні системи на основі штучних нейронних мереж (ШНМ) широко застосовуються для розв’язання задач розпізнавання образів. ШНМ виробляють певні правила розв’язку, які дозволяють віднести багатопараметричні об’єкти (явища, ситуації, процеси) до визначених класів. На відміну від класичних методів розпізнавання, які використовують, в першу чергу, апарат математичної статистики, ШНМ намагаються відтворити інформаційну модель біологічної нейронної мережі мозку людини та інших істот. ШНМ застосовуються для технічного та медичного діагностування, розпізнавання текстових та графічних зображень і мовних повідомлень, ідентифікації об’єктів в охоронних системах.
Перші спроби застосувати ШНМ для розпізнавання образів відносяться до 50-х рр. XX століття. Найвідомішою на той час моделлю ШНМ був перцептрон Ф.Розенблатта. Починаючи із середини 70-х рр. XX століття були створені моделі багатошарових ШНМ прямого поширення, а також моделі рекурентних ШНМ Хопфілда та Хеммінга, карти із самоорганізацією (КІС) Кохонена, мережа зустрічного поширення (МЗП). Значний інтерес при побудові ефективних моделей ШНМ для задач розпізнавання образів становлять результати досліджень українських вчених, зокрема, акад. О.Г.Івахненка, Е.М.Куссуля, О.М.Резніка.
Найбільш ефективними для розпізнавання образів у наш час вважаються моделі ШНМ Т.Кохонена, які використовують оригінальні алгоритми кластеризації даних за методами конкуренційного навчання та відображення її результатів на КІС. Подальший розвиток КІС Кохонена набули у моделях МЗП Р.Хехт-Нільсена. Проте ці моделі не змогли витіснити інтелектуальні системи розпізнавання образів, що будуються на класичних методах, через певну складність алгоритмів навчання та функціонування, ітераційний характер навчання, суттєву відмінність у результатах розпізнавання, отриманих при різних значеннях вхідних параметрів, дискретність у представленні результатів на КІС. Тому, підвищення ефективності нейромережевих систем розпізнавання за рахунок зменшення впливу названих проблем є актуальною задачею, розв’язання якої дозволить сприяти подальшому впровадженню ШНМ із конкуренційним навчанням у системи розпізнавання образів, вдосконаленню роботи цих систем, що має велике значення для різних галузей людської діяльності.

Завантажити цю роботу безкоштовно
Пролистати роботу: 1  2  3  4  5  6  7  8  9 



Реферат на тему: МОДЕЛІ ТА МЕТОДИ РОЗПІЗНАВАННЯ КЛАСІВ БАГАТОПАРАМЕТРИЧНИХ ОБ’ЄКТІВ НА ОСНОВІ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ

BR.com.ua © 1999-2017 | Реклама на сайті | Умови використання | Зворотній зв'язок